基于机会约束的电厂混煤煤质和成本的Pareto前沿

doi:10.12096/j.2096-4528.pgt.21042

摘要/Abstract

摘要：

电厂混煤掺配模型通常将混煤成分或性质限定在一定范围内，以寻找混煤成本最低的掺配方案，这种掺配模型实际上未对煤质进行优化。为此，定义了锅炉设计煤种的最大似然煤质，将掺配原煤的成分或性质视为随机变量，建立了基于机会约束的电厂混煤煤质和成本多目标优化模型，采用遗传算法得到该多目标优化模型的Pareto前沿。对一台实际运行机组Pareto前沿的分析表明：混煤煤质和成本的优化数据合理，结果满足机会约束要求。掺配模型还可以增加混煤煤质稳定性作为优化目标，考虑机组不同运行特性和掺配原煤实际状况，掺配模型选用不同优化目标和约束条件的组合，具有较强的灵活性和实用性。

关键词: 火力发电, 煤掺配, 最大似然原理, 机会约束, 多目标优化, Pareto前沿

Abstract:

Coal blending models usually take the composition or properties of coal as constraints to optimize the cost of mixed coal for the blending scheme in power plant. Properties of coal are essentially not optimized with this kind of blending model. Therefore, the maximum likelihood quality of design coal of boiler was defined, when the compositions of raw coal can be regarded as random variables. A multi-objective optimization model of coal properties and cost based on chance constraint was established. Pareto fronts of the multi-objective model were presented by genetic algorithm. Analysis of Pareto fronts shows that the optimal data of coal properties and cost are reasonable, and the chance constraints are met well. The blending model can employ the stability of mixed coal as the optimization objective additionally. According to different characteristics of the generator unit and the actual coal to be blended, the optimization model can have different objectives and constraint combinations, which means the good flexibility and practicability.

Key words: thermal power generation, coal blending, maximum likelihood principle, chance constraint, multi-objective programming, Pareto fronts

中图分类号:

TK 16

刘福国, 刘科, 王守恩. 基于机会约束的电厂混煤煤质和成本的Pareto前沿[J]. 发电技术, 2022, 43(1): 160-167.

Fuguo LIU, Ke LIU, Shouen WANG. Pareto Fronts of Mixed Coal Quality and Cost in Power Plant Based on Chance Constraints[J]. Power Generation Technology, 2022, 43(1): 160-167.

图/表 8

参考文献 15

1	陈广伟，黄建平，徐鹏志．兰炭在600 MW无烟煤“W”火焰锅炉上的掺烧应用研究[J]．发电技术，2021，42(2)：267-272． doi:10.12096/j.2096-4528.pgt.20029
	CHEN G W， HUANG J P， XU P Z ．Application research of semi-coke blending on a 600 MW anthracite “W” flame boiler[J]．Power Generation Technology，2021，42(2)：267-272． doi:10.12096/j.2096-4528.pgt.20029
2	SLOSS L L ．Blending of coals to meet power station requirements[R]．London：IEA Clean Coal Centre，2014．
3	GUO X J， CHEN M， WU J W ．Coal blending optimization of coal preparation production process based on improved GA[J]．Procedia Earth & Planetary Science，2009，1(1)：654-660． doi:10.1016/j.proeps.2009.09.103
4	SHIH J S， FREY H C ．Coal blending optimization under uncertainty[J]．European Journal of Operational Research，1995，83(3)：452-465． doi:10.1016/0377-2217(94)00243-6
5	CARNIATO A， CAMPONOGARA E ．Integrated coal-mining operations planning： modeling and case study[J]．Coal Preparation，2011，31(6)：299-334． doi:10.1080/19392699.2011.576656
6	AMINI S H， VASS C， SHAHABI M，et al ．Optimization of coal blending operations under uncertainty-robust optimization approach[J]．International Journal of Coal Preparation and Utilization，2019，42(1)：1-21．
7	BERETTA F S， COSTA J F C L， KOPPE J C ．Reducing coal quality attributes variability using properly designed blending piles helped by geostatistical simulation[J]．International Journal of Coal Geology，2010，84(2)：83-93． doi:10.1016/j.coal.2010.08.007
8	CHAKRABORTY A， CHAKRABORTY M ．Multi criteria genetic algorithm for optimal blending of coal[J]．Opsearch，2012，49(4)：386-399． doi:10.1007/s12597-012-0089-y
9	高继录，邹天舒，李志山，等．1000 MW机组神华煤掺烧霍林河褐煤的试验研究[J]．动力工程学报，2012，32(6)：430-434． doi:10.3969/j.issn.1674-7607.2012.06.002
	GAO J L， ZHOU T S， LI Z S，et al ．Experimental study on mixed combustion of Shenhua coal with Huolinhe coal in a 1000 MW power unit[J]．Journal of Chinese Society of Power Engineering，2012，32(6)：430-434． doi:10.3969/j.issn.1674-7607.2012.06.002
10	LINEBERRY G T， GILLENWATER E L ．Linear programming to improve raw coal blending：a new twist to an old tool[J]．Coal Preparation，1987，4(3/4)：227-239． doi:10.1080/07349348708945534
11	夏季，华志刚，彭鹏，等．基于非支配排序遗传算法的无约束多目标优化配煤模型[J]．中国电机工程学报，2011，31(2)：85-90． doi:10.1631/jzus.A1000135
	XIA J， HUA Z G， PENG P，et al ．A model of unconstrained multi-objective optimization of coal blending based on the non-dominated sorting genetic algorithm[J]．Proceedings of the CSEE，2011，31(2)：85-90． doi:10.1631/jzus.A1000135
12	张宗振，李德波，李新虎，等．污泥掺烧对燃煤机组锅炉效率及环保系统的影响[J]．浙江电力，2020，39(7)：93-101． doi:10.19585/j.zjdl.202007016
	ZHANG Z Z， LI D B， LI X H，et al ．Impact of co-combustion of sludge with coal on boiler efficiency and environmental protection system of coal-fired generating units[J]．Zhejiang Electric Power，2020，39(7)：93-101． doi:10.19585/j.zjdl.202007016
13	任耀峰，王玉琢．正态随机变量线性组合的分布问题[J]．高等数学研究，2013，16(4)：104-106． doi:10.3969/j.issn.1008-1399.2013.04.037
	REN Y F， WANG Y Z ．On linear combinations of normal random variables[J]．Studies in College Mathematics，2013，16(4)：104-106． doi:10.3969/j.issn.1008-1399.2013.04.037
14	孙有发．倒数正态分布与证券收益异象原因研究[J]．统计与决策，2007(9)：21-22． doi:10.3969/j.issn.1002-6487.2007.09.010
	SUN Y F ．Research on the reciprocal normal distribution and the causes of abnormal returns[J]．Statistics and Decision Making，2007(9)：21-22． doi:10.3969/j.issn.1002-6487.2007.09.010
15	蒋猛，黄宇，廖伟涵，等．基于改进NSGA-II 算法的电-气-热综合能源系统多目标优化[J]．发电技术，2020，41(2)：131-136．
	JIANG M， HUANG Y， LIAO WH，et al ．Multi-objective optimization of electricity-gas-heat integrated energy system[J]．Power Generation Technology，2020，41(2)：131-136．

参数	i	j
参数	i	1	2	3
μ_ij /%	1	10.98	7.08	13.48
	2	33.62	31.57	11.07
	3	26.78	22.67	32.29
	4	37.44	44.60	51.23
	5	0.63	1.29	0.63
	6	17 996	19 856	24 125
σ_ij /%	1	2.00	1.65	1.69
	2	5.86	3.98	3.31
	3	1.75	2.02	1.28
	4	4.24	3.47	2.21
	5	0.08	0.40	0.15
	6	1 860	1 377	955
P_j /(美元/t)		482	525	672

参数	i	j
参数	i	1	2	3
μ_ij /%	1	10.98	7.08	13.48
	2	33.62	31.57	11.07
	3	26.78	22.67	32.29
	4	37.44	44.60	51.23
	5	0.63	1.29	0.63
	6	17 996	19 856	24 125
σ_ij /%	1	2.00	1.65	1.69
	2	5.86	3.98	3.31
	3	1.75	2.02	1.28
	4	4.24	3.47	2.21
	5	0.08	0.40	0.15
	6	1 860	1 377	955
P_j /(美元/t)		482	525	672

优化解	x₁	x₂	x₃	p₁	E(p₂)	ω_H1		ω_H2		ω_H3		ω_H4		ω_H5		ω_H6
优化解	x₁	x₂	x₃	p₁	E(p₂)	μ_H1	σ_H1	μ_H2	σ_H2	μ_H3	σ_H3	μ_H4	σ_H4	μ_H5	σ_H5	μ_H6	σ_H6
1	0.22	0.46	0.32	26.99	15.26	9.98	1.03	25.48	2.48	26.67	1.09	45.21	1.98	0.94	0.19	20 836	815
2	0.33	0.40	0.27	26.95	15.65	10.11	1.04	26.69	2.66	26.66	1.05	44.06	2.06	0.89	0.17	20 414	864
3	0.43	0.33	0.24	26.92	16.26	10.27	1.09	27.55	2.94	26.72	1.05	43.14	2.21	0.85	0.14	20 085	946
4	0.51	0.27	0.22	26.90	16.70	10.47	1.18	28.16	3.27	26.87	1.09	42.39	2.41	0.81	0.12	19 837	1 043
5	0.64	0.20	0.15	26.80	17.70	10.56	1.36	29.78	3.89	26.78	1.22	41.00	2.84	0.76	0.10	19 307	1 239
6	0.69	0.18	0.13	26.77	18.03	10.59	1.42	30.30	4.12	26.73	1.27	40.52	3.00	0.75	0.09	19 123	1 309
7	0.73	0.15	0.12	26.75	18.11	10.71	1.50	30.58	4.34	26.85	1.32	40.18	3.15	0.73	0.09	19 020	1 379
8	0.86	0.08	0.06	26.64	18.93	10.81	1.72	32.05	5.03	26.78	1.51	38.88	3.64	0.68	0.08	18 527	1 597
9	0.96	0.03	0.02	26.54	19.56	10.93	1.92	33.17	5.61	26.77	1.68	37.86	4.06	0.65	0.08	18 151	1 781

优化解	x₁	x₂	x₃	p₁	E(p₂)	ω_H1		ω_H2		ω_H3		ω_H4		ω_H5		ω_H6
优化解	x₁	x₂	x₃	p₁	E(p₂)	μ_H1	σ_H1	μ_H2	σ_H2	μ_H3	σ_H3	μ_H4	σ_H4	μ_H5	σ_H5	μ_H6	σ_H6
1	0.22	0.46	0.32	26.99	15.26	9.98	1.03	25.48	2.48	26.67	1.09	45.21	1.98	0.94	0.19	20 836	815
2	0.33	0.40	0.27	26.95	15.65	10.11	1.04	26.69	2.66	26.66	1.05	44.06	2.06	0.89	0.17	20 414	864
3	0.43	0.33	0.24	26.92	16.26	10.27	1.09	27.55	2.94	26.72	1.05	43.14	2.21	0.85	0.14	20 085	946
4	0.51	0.27	0.22	26.90	16.70	10.47	1.18	28.16	3.27	26.87	1.09	42.39	2.41	0.81	0.12	19 837	1 043
5	0.64	0.20	0.15	26.80	17.70	10.56	1.36	29.78	3.89	26.78	1.22	41.00	2.84	0.76	0.10	19 307	1 239
6	0.69	0.18	0.13	26.77	18.03	10.59	1.42	30.30	4.12	26.73	1.27	40.52	3.00	0.75	0.09	19 123	1 309
7	0.73	0.15	0.12	26.75	18.11	10.71	1.50	30.58	4.34	26.85	1.32	40.18	3.15	0.73	0.09	19 020	1 379
8	0.86	0.08	0.06	26.64	18.93	10.81	1.72	32.05	5.03	26.78	1.51	38.88	3.64	0.68	0.08	18 527	1 597
9	0.96	0.03	0.02	26.54	19.56	10.93	1.92	33.17	5.61	26.77	1.68	37.86	4.06	0.65	0.08	18 151	1 781

[1]	李延兵, 贾树旺, 张军亮, 符悦, 刘明, 严俊杰. 汽轮机高位布置超超临界燃煤发电系统变工况㶲经济性分析[J]. 发电技术, 2024, 45(1): 69-78.
[2]	梁中荣, 蓝茂蔚, 郑国, 何荣强, 屈可扬, 甘云华. 基于最小二乘支持向量机的电站锅炉高效率低NO _x 的多目标优化研究[J]. 发电技术, 2023, 44(6): 809-816.
[3]	安吉振, 郑福豪, 刘一帆, 陈衡, 徐钢. 基于大数据分析的火电机组引风机故障预警研究[J]. 发电技术, 2023, 44(4): 557-564.
[4]	苏靖程, 王志强, 屈江江, 张凯. 基于BP神经网络和支持向量回归的燃煤电厂空气预热器压差预测[J]. 发电技术, 2023, 44(4): 550-556.
[5]	张全斌, 周琼芳. 基于“双碳”目标的中国火力发电技术发展路径研究[J]. 发电技术, 2023, 44(2): 143-154.
[6]	戴春喜, 梁平, 车德勇, 刘海婷. 蜂窝管湿式电除尘器内部流动特性研究[J]. 发电技术, 2022, 43(1): 155-159.
[7]	赵峰, 孙明兴, 郝哲峰, 车德勇. 基于计算颗粒流体力学的旋风分离器结构优化[J]. 发电技术, 2021, 42(5): 637-642.
[8]	郑开云. 超临界二氧化碳循环发电技术应用[J]. 发电技术, 2020, 41(4): 399-406.
[9]	唐晨琪,陈林根,王文华,冯辉君,夏少军. 基于NSGA-Ⅱ算法的变温热源内可逆简单MCBC的性能优化[J]. 发电技术, 2020, 41(3): 301-316.
[10]	杨彬,陈瑞华,赵力. 基于非共沸工质的喷射式功冷并供循环㶲经济性分析[J]. 发电技术, 2020, 41(3): 261-268.
[11]	蒋猛,黄宇,廖伟涵,张简炼,张又文,郭创新. 基于改进NSGA-Ⅱ算法的电-气-热综合能源系统多目标优化[J]. 发电技术, 2020, 41(2): 131-136.
[12]	孙黎霞,鞠平,白景涛,刘甜甜. 计及蓄电池寿命的冷热电联供型微电网多目标经济优化运行[J]. 发电技术, 2020, 41(1): 64-72.
[13]	李养俊,何子春,张强,涂伟. 火力发电厂电能质量测试与评估分析[J]. 发电技术, 2018, 39(2): 135-139.
[14]	余小敏, 祝广场, 张锷. 火力发电厂控制系统平衡回路逻辑思路与设计[J]. 发电技术, 2017, 38(2): 26-29,33.